基于人类输入扩展单类支持向量机

Question

我创建了一个单类SVM，用于检测振动数据中的异常以进行状态监测。

我的想法是将此作为扩展系统的基础。我想对检测到的异常进行聚类，并询问有关这些群集的用户输入，以便我不仅可以检测到anamolies，还可以对它们进行分类。

是否有任何算法允许我在检测到群集后以相当高的确定性增加SVM中的类数？

Answer 1

使用SVM执行此任务是个好主意吗？考虑另一个模型，例如神经网络（基本MLP架构）。那些能够固有地执行多类分类。

您可以做的是，最初使用两个输出节点对您的数据进行训练，一个用于无法检测，另一个用于您的课程。在最后一层使用softmax函数并优化交叉熵函数。在初始培训和用户请求之后，添加另一个输出节点并使用每个新提供的样本对模型进行微调。你的体重不会丢失，你只需要对每个新课程做一些微调。当然，这需要很多投入才能很好地完成。但过了一段时间，它应该正常工作。使用SVM，您实际上必须在新课程上培训新SVM并实施某种投票方案，例如One-vs-All。 SVMs本质上是二元分类器。